Data-Driven Маркетинг у B2B: Аналітика, Що Дає Відповіді
«Наш email-маркетинг показує хорошу відкриваємість». «У нас 8,000 сесій на місяць з органіки». «LinkedIn кампанія дала 300 кліків». Ці цифри — не маркетингова аналітика, це метрики без контексту. Data-driven маркетинг у B2B означає щось інше: розуміти, які канали і дії реально призводять до виручки, скільки коштує залучення клієнта і яка цінність цього клієнта для бізнесу.
У цій статті ми розберемо, як побудувати аналітичну систему для B2B-маркетингу: від налаштування Google Analytics 4 і вибору моделі атрибуції до побудови маркетингового дашборду і розрахунку CAC та LTV.
Чому більшість B2B-компаній погано вимірюють маркетинг
Є кілька системних проблем:
Проблема 1: Відрив аналітики від CRM. Google Analytics знає про сесії і кліки, але не знає, чи стала та сесія угодою. CRM знає про угоди, але не знає, з якого канала прийшов клієнт. Без інтеграції між GA4, CRM і рекламними платформами картина завжди неповна.
Проблема 2: Last-click атрибуція. За замовчуванням більшість платформ атрибутує конверсію останньому каналу перед покупкою. У B2B з циклом угоди 3-12 місяців і 8-15 touchpoints це хибна картина: топ-оф-фанелевий контент і ретаргетинг виглядають неважливими, хоча без них угода б не відбулась.
Проблема 3: Вимірювання vanity metrics. Follower count, page views, email open rate — всі ці метрики не корелюють напряму з виручкою. Але вони легкі у вимірюванні і приємні у звітах.
Google Analytics 4 для B2B: налаштування, що має значення
Ключові відмінності GA4 від UA
Google Analytics 4 повністю замінив Universal Analytics з 1 липня 2024. Основні відмінності для B2B:
- Event-based модель замість session-based: кожна дія — це подія. Це дає більш гнучке відстеження.
- Explorations — потужний ad-hoc аналіз без обмежень стандартних звітів UA
- BigQuery інтеграція (безкоштовна для 1M подій/день) — можна вивантажувати сирі дані для складного аналізу
- Predictive audiences — ML-моделі для передбачення ймовірності конверсії та відтоку
Обов'язкові налаштування для B2B
Конверсії: Визначте, що є конверсією у вашому B2B-воронці. Мінімальний набір:
- Form submission (запит на демо, завантаження lead magnet)
- Phone click (клік по номеру телефону)
- Chat initiated (початок chat-сесії)
- Key page view (сторінка pricing, контактів)
Налаштуйте конверсії через Google Tag Manager — це гнучкіше, ніж через вбудований механізм GA4.
User ID tracking: Якщо у вас є авторизація на сайті (SaaS, клієнтський портал), реалізуйте User ID — це дозволить відстежувати шлях конкретного користувача між сесіями і пристроями.
Google Signals: Увімкніть Google Signals для cross-device звітності. Особливо важливо для B2B, де покупець може досліджувати на телефоні і конвертуватись з десктопа.
UTM-параметри: Стандартизуйте структуру UTM-тегів для всіх рекламних кампаній, email-розсилок і посилань у соцмережах. Без цього Source/Medium звіти перетворюються на сміттєзвалище різнорідних значень.
Приклад стандарту: utm_source=linkedin&utm_medium=paid-social&utm_campaign=q1-2025-brand-awareness&utm_content=cto-audience-v1
GA4 Explorer для B2B-аналізу
Funnel exploration дозволяє побудувати будь-яку воронку зі своїх подій і побачити, де втрачаються відвідувачі. Приклад B2B-воронки:
- Organic landing (прихід з Google)
- Blog post view
- Lead magnet page view
- Form submission (конверсія)
Path exploration покаже реальні шляхи, якими йдуть відвідувачі по сайту — без того, щоб нав'язувати вашу уявну воронку.
Моделі атрибуції для B2B
Attribution modelling — це логіка розподілу «заслуги» за конверсію між різними touchpoints. Для B2B, де покупець взаємодіє з 8-15 каналами перед рішенням, вибір моделі атрибуції принципово впливає на те, які канали здаються ефективними, а які — ні.
Огляд моделей
Last click: 100% credit — останньому touchpoint. Найпопулярніша за замовчуванням і найбільш хибна для B2B. Вигідно виглядають ретаргетинг і branded search; невигідно — верхня частина воронки.
First click: 100% credit — першому touchpoint. Переоцінює канали відкриття (awareness), недооцінює канали закриття.
Linear: Рівномірний розподіл між всіма touchpoints. Простіша, ніж data-driven, але не враховує, що деякі touchpoints важливіші за інші.
Time decay: Більше credit — touchpoints ближче до конверсії. Компроміс між last-click і linear; часто добре підходить для B2B з довгим циклом.
Data-driven (algorithmic): ML-модель, що аналізує реальні конверсійні шляхи і призначає вагу кожному touchpoint на основі даних. Найточніша, але потребує мінімум 3,000 конверсій для роботи.
Практичні рекомендації для B2B
Для більшості B2B-компаній оптимальний підхід — порівнювати кілька моделей. GA4 дозволяє порівнювати two attribution models side-by-side в звіті Advertising → Attribution. Дивіться на різницю між last click і data-driven/linear: канали, де різниця велика — це ті, де last-click вводить вас в оману.
Якщо ваш CRM дозволяє multi-touch attribution (HubSpot, Salesforce), налаштуйте campaign influence reporting там — це дасть картину на рівні угод, а не тільки веб-конверсій.
Маркетингові дашборди: від даних до рішень
Маркетинговий дашборд — це не набір красивих графіків. Це інструмент для прийняття конкретних рішень. Добрий дашборд відповідає на питання: «Що ми повинні зробити наступного тижня?»
Рівні маркетингових дашбордів
Операційний (daily/weekly):
- Трафік за каналами (organic, paid, email, referral)
- Конверсії за типами (form submissions, chat, demo requests)
- Ad spend і CPC за кампаніями
- Email метрики (open rate, CTR, unsubscribers)
Тактичний (weekly/monthly):
- MQL по каналах і кампаніях
- CAC за останній місяць і тренд
- Pipeline generated від маркетингу
- Content performance (топ-10 сторінок за конверсіями)
Стратегічний (quarterly):
- LTV:CAC ratio
- Revenue attributed до маркетингу
- Channel mix і тренди ефективності
- ROI по продуктових напрямах
Інструменти для побудови дашбордів
Google Looker Studio (безкоштовно): Добре підходить для агрегації даних з GA4, Google Ads, Search Console і Google Sheets. Обмежена кастомізація, але достатня для більшості B2B-команд.
Supermetrics: Connector для вивантаження даних з 100+ рекламних платформ у Looker Studio, Excel або BigQuery. Коштує від $69/місяць, але економить десятки годин ручного зведення даних.
Tableau / Power BI: Для ентерпрайз B2B з необхідністю складного аналізу і кастомних датасетів. Ціна і складність налаштування вищі, ніж у Looker Studio.
HubSpot Reports: Якщо ви на HubSpot, вбудована аналітика дозволяє будувати multi-touch attribution reports прямо в CRM.
Customer Acquisition Cost (CAC): розрахунок і інтерпретація
CAC — вартість залучення одного нового клієнта. Це один з двох ключових метриків юніт-економіки (разом з LTV).
Формула CAC
Базовий CAC:
CAC = (Загальні маркетингові витрати + Витрати на продажі) / Кількість нових клієнтів
Приклад:
- Маркетинговий бюджет (реклама, інструменти, зарплата команди): £40,000/місяць
- Витрати на продажі (зарплата SDR і AE, CRM): £25,000/місяць
- Нових клієнтів за місяць: 13
CAC = £65,000 / 13 = £5,000 на клієнта
CAC за каналами
Загальний CAC корисний, але недостатній. Важливо розраховувати CAC за каналами:
- Organic CAC = (SEO витрати + контент витрати) / нові клієнти з органіки
- Paid Social CAC = Ad spend LinkedIn/Meta / нові клієнти з paid social
- Outbound CAC = (SDR зарплата + інструменти) / нові клієнти з outbound
Це покаже, які канали ефективні, а які — надто дорогі для поточного масштабу.
Нюанси розрахунку CAC для B2B
Часовий лаг: У B2B клієнт, залучений у маркетингу в січні, може підписати контракт у квітні. Якщо рахувати CAC за місяцем підписання (а не за місяцем першого touchpoint), CAC виглядатиме непропорційно великим у місяці з великими маркетинговими витратами.
Рішення: рахувати CAC ковзним середнім за 3 місяці або за квартал, а не місяць до місяця.
Allocated CAC: Якщо частина маркетингових витрат йде на brand awareness (не на direct performance), виділяйте бюджет brand від performance при розрахунку CAC для performance-каналів.
Customer Lifetime Value (LTV): що насправді коштує клієнт
LTV — загальна виручка (або маржа), яку компанія отримує від одного клієнта за весь час співпраці.
Формула LTV для B2B SaaS
Простий LTV:
LTV = ARPU (avg monthly revenue per user) × Avg Customer Lifetime (у місяцях)
Або через churn rate:
Customer Lifetime = 1 / Monthly Churn Rate
LTV = ARPU / Monthly Churn Rate
Приклад:
- ARPU: £800/місяць
- Monthly churn: 2%
Customer Lifetime = 1 / 0.02 = 50 місяців LTV = £800 × 50 = £40,000
LTV:CAC ratio
Основне правило юніт-економіки: LTV:CAC ≥ 3. Тобто клієнт повинен приносити мінімум утричі більше, ніж коштувало його залучення.
З нашого прикладу:
- LTV = £40,000
- CAC = £5,000
- LTV:CAC = 8 — відмінний показник
Якщо LTV:CAC < 3 — маркетинг і продажі коштують занадто дорого відносно цінності клієнта. Потрібно або знизити CAC (оптимізувати канали), або підвищити LTV (reduce churn, upsell, expand).
Payback Period
Ще один важливий метрик: за скільки місяців CAC окупається?
Payback Period = CAC / ARPU (per month gross margin)
Якщо CAC = £5,000 і ARPU = £800 з маржою 70% (£560/місяць): Payback = £5,000 / £560 = ~9 місяців
Для SaaS B2B допустимий payback period — 12-18 місяців. Якщо більше — бізнес-модель або unit economics потребують перегляду.
Marketing Mix Modeling (MMM)
Marketing Mix Modeling — статистичний підхід до оцінки ефективності маркетингових каналів, що враховує всі фактори впливу на виручку (не тільки digital touchpoints, а й зовнішні фактори: сезонність, конкуренція, ринкові умови).
На відміну від атрибуції (яка аналізує шляхи конверсій), MMM аналізує кореляцію між витратами на канали і виручкою в часі. Це вирішує проблему неможливості трекінгу offline-каналів (конференції, прямі продажі, PR).
MMM традиційно використовувався тільки великими компаніями (P&G, Unilever), але сучасні інструменти (Meta's Robyn, Google's Meridian — обидва open source) зробили MMM доступним для mid-market B2B.
Висновок
Data-driven B2B маркетинг — це не про збір даних заради збору. Це про систему, де кожне рішення (збільшити бюджет каналу, зупинити кампанію, запустити новий контент) ґрунтується на метриках, що мають значення: CAC, LTV, pipeline generated, revenue attributed.
Почніть з малого: налаштуйте коректно GA4, визначте конверсії, інтегруйте з CRM, налаштуйте UTM-стандарт. Потім будуйте простий дашборд. Потім — рахуйте CAC і LTV. Ці три кроки дадуть вам більше розуміння, ніж будь-який складний MMM.